Ini adalah pertanyaan tentang definisi, apakah komunitas statistik membedakan istilah-istilah ini?
Mungkin. Meskipun pendapat saya dapat dengan mudah ditafsirkan sebagai retensi yang terlalu anal:
Saya cenderung menggunakan istilah musiman sebagai metafora untuk 'musim' tahun ini: yaitu Musim Semi, Musim Panas, Musim Gugur, Musim Dingin (atau 'Hampir Musim Dingin', Musim Dingin, 'Musim Dingin Masih', dan 'Konstruksi' jika Anda tinggal di Pennsylvania ...). Dengan kata lain, saya berharap tren musiman memiliki periode sekitar 365 hari.
Saya cenderung menggunakan istilah 'cyclicality' untuk merujuk pada respons, yang ketika didekomposisi dalam ruang frekuensi memiliki puncak dominan tunggal. Atau, sedikit lebih umum, sama seperti orang memandangi mesin, 'siklus' menyiratkan siklus yang dominan - piston bergerak ke atas, dan kemudian bergerak ke bawah, dan kemudian bergerak ke atas lagi. Secara numerik, saya akan mengharapkan rendah, tinggi, rendah, tinggi, rendah, tinggi, dll. Jadi dua hal: (1) besarnya & / atau tanda sakelar dari yang rendah ke tinggi dan (2) sakelar ini terjadi dengan frekuensi yang dapat diprediksi. Kekakuan ini secara alami menguap ketika berbicara tentang siklus bisnis - namun, saya sering menemukan bahwa frekuensi yang dominan tetap, misalnya setiap kuartal bisnis , atau setiap tahun, semuanya lambat untuk beberapa minggu pertama dan tekanan tinggi beberapa minggu terakhir ... Jadi ada periode yang dominan, tetapi bisa sangat berbeda dari 'musiman' yang menurut saya menyiratkan satu tahun.
Terakhir, saya cenderung menggunakan 'periodisitas' ketika merujuk pada frekuensi pengumpulan pengukuran. Berbeda dengan siklus, istilah 'periodisitas' bagi saya menyiratkan tidak ada harapan untuk besarnya atau tanda data yang dikumpulkan.
Tapi ini hanya $ 0,02 saya. Dan saya hanya seorang siswa stat - ambil dari apa yang Anda mau.
Ya, ada perbedaan.
Model dekomposisi deret waktu klasik adalah Y = T + S + C + I
Y = data T = tren S = musiman = Pola-pola teratur yang terjadi seiring waktu, misalnya penjualan oatmeal lebih tinggi di musim dingin, atau penjualan kopi Starbucks paling tinggi pada jam 7 pagi. Ini biasanya sangat dapat diprediksi. C = siklus = pola jangka panjang seperti siklus bisnis. Ini tidak teratur seperti musim, dan mungkin melibatkan beberapa subjektivitas dalam estimasi. I = irregular (mis. Kesalahan tersisa)
Periodisitas mengacu pada komponen musiman. Periodisitas bisa bulanan, dua mingguan, setiap jam, dll.
Persamaan di atas memiliki tanda +, yang menunjukkan model aditif. Model multiplikasi juga biasa digunakan jika musiman adalah multiplikasi.
Saya mengeluarkan tanda '*' untuk menghormati komentar di bawah;)
sumber